Since specular reflection often exists in the real captured images and causes deviation between the recorded color and intrinsic color, specular reflection separation can bring advantages to multiple applications that require consistent object surface appearance. However, due to the color of an object is significantly influenced by the color of the illumination, the existing researches still suffer from the near-duplicate challenge, that is, the separation becomes unstable when the illumination color is close to the surface color. In this paper, we derive a polarization guided model to incorporate the polarization information into a designed iteration optimization separation strategy to separate the specular reflection. Based on the analysis of polarization, we propose a polarization guided model to generate a polarization chromaticity image, which is able to reveal the geometrical profile of the input image in complex scenarios, such as diversity of illumination. The polarization chromaticity image can accurately cluster the pixels with similar diffuse color. We further use the specular separation of all these clusters as an implicit prior to ensure that the diffuse components will not be mistakenly separated as the specular components. With the polarization guided model, we reformulate the specular reflection separation into a unified optimization function which can be solved by the ADMM strategy. The specular reflection will be detected and separated jointly by RGB and polarimetric information. Both qualitative and quantitative experimental results have shown that our method can faithfully separate the specular reflection, especially in some challenging scenarios.


翻译:由于真实摄取的图像中往往存在镜像反射,并导致记录色和内在颜色之间的偏差,光反射分解会给多种应用带来优势,需要一致的物体表面外观。然而,由于一个对象的颜色受到光照颜色的显著影响,现有研究仍然受到近乎重复的挑战,即当光照颜色接近表面颜色时,分解会变得不稳定。在本文中,我们得出一种极化引导模型,将极化信息纳入一个设计好的迭代优化分离战略,以分离镜像反射。在对极化分析的基础上,我们提出一种极化引导模型,以产生极化色相图象,该模型能够揭示在复杂的情景中输入图像的几何等特征,例如光化的多样性。极化色图像可以精确地将像素与表面颜色相近的颜色组合在一起。我们进一步使用所有这些组的分解为隐含的分解模型,以确保扩散组件不会被错误地分开,作为光谱反射部分。通过对极化的导导导导导导图模型,我们调整了对投影图像的分解,而以共同的镜反射法将可测量的反射法进行分解。我们通过反射法将分解的反射法将分解。我们分解的分解法的分解法将分解的分解法将分解。我们分解法将分解的反演制成为分解。

0
下载
关闭预览

相关内容

【如何做研究】How to research ,22页ppt
专知会员服务
108+阅读 · 2021年4月17日
图像分割方法综述
专知会员服务
54+阅读 · 2020年11月22日
【新书】Python编程基础,669页pdf
专知会员服务
194+阅读 · 2019年10月10日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【泡泡汇总】CVPR2019 SLAM Paperlist
泡泡机器人SLAM
14+阅读 · 2019年6月12日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
【ECCV2018】24篇论文代码实现
专知
17+阅读 · 2018年9月10日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Joint Monocular 3D Vehicle Detection and Tracking
Arxiv
8+阅读 · 2018年12月2日
Polarity Loss for Zero-shot Object Detection
Arxiv
3+阅读 · 2018年11月22日
Structure Aware SLAM using Quadrics and Planes
Arxiv
4+阅读 · 2018年8月13日
VIP会员
Top
微信扫码咨询专知VIP会员